(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210423745.3 (22)申请日 2022.04.21 (71)申请人 河南众诚信息科技股份有限公司 地址 450000 河南省郑州市金 水区文化路 82号硅谷广场2号楼8层80 6号 (72)发明人 邓国军　游靖　何晓明　刘宏源　 吴浩　陈琳钰　杨远　 (74)专利代理 机构 北京盛凡佳华专利代理事务 所(普通合伙) 11947 专利代理师 李芳 (51)Int.Cl. G06V 40/10(2022.01) G06V 20/10(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于分类的智慧园区智能工服识别方法及 系统 (57)摘要 本发明公开了基于分类的智慧园区智能工 服识别方法， 具体包括下列步骤： (1)数据收集； (2)检测/识别模型训练； (3)行人检测、 工服、 工 帽分类识别； 并公开了基于分类的智慧园区智能 工服识别系统， 所述系统包括摄像头、 检测模块、 数据库、 检测/识别模型、 管理中心和报警器。 本 发明涉及图像处理技术领域， 具体提供了一种基 于分类的智慧园区智能工服识别方法及系统， 该 方法及系统利用深度神经网络技术实现自动化 的工服识别模 型， 结合外在摄像设备对进入作业 区域的工作人员进行实时高效的工服识别， 并将 识别结果同步至后端管理平台， 实现识别、 报警、 管理的高度集成。 权利要求书1页 说明书4页 附图1页 CN 114708618 A 2022.07.05 CN 114708618 A 1.基于分类的智慧园区智能工服识别方法， 其特 征在于， 具体包括下列步骤： (1)数据收集： 通过摄像头采集行人原始数据， 所述原始数据包括正常穿着工服、 工帽 的正样本和不 穿工服、 工帽的负 样本数据； (2)检测/识别模型训练： a)利用检测模块的图像处理算法对摄像头采集的原始数据进行数据预处理并存储到 数据库， 之后利用该 数据训练工服检测/识别模型； b)在训练的过程中利用规则化中心损 失增加样本经过网络映射后在特征空间与类中 心的距离约束， 从而加强类内相似性， 与此同时该函数还对类间的差异 性进行严格约束， 即 将异类样本彼此推开， 从而降低损失函数对类中心点的初始化依赖性； (3)行人检测、 工服、 工帽分类识别： 将训练好的检测/识别模型部署到管理中心， 通过 检测/识别模型实时处理摄像头传进来的图像帧， 对检测/识别结果进行识别， 并对不符合 要求的检测/识别结果进行报警。 2.根据权利要求1所述的基于分类的智慧园区智能工服识别系统， 其特征在于， 包括摄 像头、 检测模块、 数据库、 检测/识别模型、 管理中心和报警器， 所述摄像头用于采集行人原 始数据， 所述原始数据包括正常穿着工服、 工帽的正样本和不穿工服、 工帽的负样本数据； 所述检测模块负责通过图像处理算法对摄像头采集的原始数据进 行数据预 处理； 所述数据 库用于对检测模块预 处理的数据进行存储， 并利用该数据进 行检测/识别模型训练； 所述检 测/识别模型对 行人进行检测， 并获得检测/识别结果； 所述管理中心用于收集对检测/识别 结果， 并控制报警器报警。权　利　要　求　书 1/1 页 2 CN 114708618 A 2基于分类的智慧 园区智能工服识别方 法及系统 技术领域 [0001]本发明涉及图像处理技术领域， 具体为一种基于分类的智慧园区智能工服识别方 法及系统。 背景技术 [0002]穿着制式化工作服， 有助于锻炼企业的纪律， 强化企业文化凝聚力， 增强员工的企 业归属感， 彰显企业公平公正观念、 营造良好的企业秩序。 工作服， 凝聚着企业的标准与规 范， 团体协调 与和谐的团队精神， 对外传递着企业尊 严与企业信息。 工服是企业文化输出的 一种重要外在形式， 也是保障生产环境、 保护职工人身安全、 辨别身份、 提升工作效率的一 项重要措施。 当前在食品加工、 机械制造、 金融服务、 公共服务、 建筑、 医疗领域对工人正确 穿着工服的要求较为 严苛。 [0003]当前对于员工工服监督管理的主要手段主要分为两种： 人工管理和智能化管理。 人工管理成本高， 效率低， 难以长时间持续高效工作。 智能化管理主要 借助于当前逐渐成熟 的人工智能技术， 例如深度学习， kmeans等算法通过检索技术 实现， 但是这种方式主要有两 个弊端， 其一是基于检索的工服识别精确度有待提高， 另一方面基于检索的工服识别， 其速 度受检索库的影响， 当检索库较大的时候， 识别速度会降低。 在传统的深度学习模型中， 通 常使用SoftMax损失作为目标函数训练模型， 该函数主要是通优化束模型输出样本的的预 测概率分布与真实样本标签分布之 间的差异 来约束模型学习与当前任务相关的深度特征。 然而， 通过SoftMax函数学习到的深度特征的可判别性和鲁棒性相对较差， 对异常值较为敏 感， 从而使 得对特征工程的要求更加苛刻， 这与深度学习的初 衷相悖。 所以现在亟需一种快 速、 高效、 稳定、 且成本低廉的方式进行工服识别。 发明内容 [0004]针对上述情况， 为弥补上述现有缺陷， 本发明提供了一种基于分类的智 慧园区智 能工服识别方法及系统， 该方法及系统利用深度神经网络技术实现自动化的工服识别模 型， 结合外在摄像设备对进入作业区域的工作人员进行实时高效的工服识别， 并将识别结 果同步至后端管理平台， 实现识别、 报警、 管理的高度集成； 本发明克服了传统人工检查工 服着装人耗高、 时效性差、 管理成本高等问题,提高了企业自动化、 智能化管理的水平。 [0005]本发明提供如下的技术方案： 本发明提出的基于分类的智慧园区智能工服识别方 法， 具体包括下列步骤： [0006](1)数据收集： 通过摄像头采集行人原始数据， 所述原始数据包括正常穿着工服、 工帽的正样本和不 穿工服、 工帽的负 样本数据； [0007](2)检测/识别模型训练： [0008]a)利用检测模块的图像处理算法对摄像头采集的原始数据进行数据预处理并存 储到数据库， 之后利用该 数据训练工服检测/识别模型； [0009]b)在训练的过程中利用规则化中心损失增加样本经过网络映射后在特征空间与说　明　书 1/4 页 3 CN 114708618 A 3